오늘날 글로벌한 경쟁에서 고객의 만족도를 유지하고 생산성과 효율을 높이기 위해서 대량맞춤(mass customization)이 많은 선도기업에서 채택되고 있다. 대량맞춤은 제품가족과 제품 플랫폼에 근거하여 기업으로 하여금 새로운 제품을 유연하고 효율적이며 고객 요구에 신속히 대응하는 것을 용이하게 한다. 따라서 제품 플랫폼에 기반한 제품가족 전략이 대량맞춤을 실현화하는데 적절한 방법이다. 제품가족이란 다양한 시장의 요구를 충족하기 위해서 공통의 특성, 구성부품, 서브 시스템을 공유하는 일련의 유사한 제품군으로 정의된다. 이 연구의 목표는 제품가족 설계 전략을 이용하여 고객의 요구를 충족시키는 제품의 구성부품간의 우선순위를 찾아내고자 하는 것이다. 신 제품 개발을 위한 의사결정 과정은 피드백을 가지는 다 변량 의사결정 모형을 필요로 한다. 이를 위해서 분석적 네트워크 과정(analytic network process) 방법을 이용하여 의사결정 모델과 절차를 수립하였다. 구현을 위해서 제품가족 모델에 적합한 소형 PC인 넷북 제품을 선정하고, 각 제품가족에 대한 구성부품에 대하여 제안된 방법에 따라서 우선순위를 도출하였다. 구현결과를 QFD 모델을 이용하여 고객요구사항과 구성부품간의 관계를 분석하고 평가하였다.

시맨틱 웹(Semantic Web)의 비전에 대한 공표가 이루어진 이래로 이와 관련한 많은 연구가 진행되어 왔다. 그러나 지금까지의 연구가 성공적이었다는 판단을 하기에는 아직 이르다. 본 논문은 시맨틱 관련 연구분야의 두 가지 문제점을 진단한다. 첫째는 '시맨틱 검색'이라는 개념의 합의된 정의가 없다는 것이고, 둘째는 장래의 유관 연구를 바라볼 수 있는 종합적이고 체계적인 시각이 부족하다는 것이다. 이러한 진단 아래, 본 논문은 시맨틱 검색의 개념을 '사용자의 입력에 따라 온톨로지와 같은 시맨틱 기술을 이용하여 원하는 정보를 얻는 행위'로 정의한다. 또한 시맨틱 검색에 대한 이해를 돕기 위해 시맨틱 검색 엔진 분류 프레임워크를 제안하였다. 본 연구에서 제안하는 프레임워크는 (쿼리) 입력문의 처리, 타겟 소스, 검색 방법론, 검색결과의 서열화, 출력 결과물의 데이터 종류, 이렇게 다섯 가지 부분으로 나뉜다. 마지막으로 본 논문은 제시한 프레임워크를 응용하여 기존의 연구결과물을 분석하고 앞으로의 연구 방향을 논하는 것으로 끝을 맺는다.

데이터베이스를 사용하는 프로그램을 테스트하는 것은 일반 소프트웨어의 경우보다 훨씬 더 복잡하고 어렵다. 테스트 데이터에 더하여 데이터베이스 상태가 테스트의 절차와 결과에 결정적인 영향을 미치는 것이 주요 원인이다. 테스트에 적합한 데이터베이스 상태를 만들어주려면 많은 시간과 노력이 필요한 것은 물론이거니와 IT와 업무에 대한 상당한 지식이 있어야 한다. 이러한 어려움에도 불구하고 데이터베이스 응용 프로그램의 테스트에 대한 연구와 지원은 매우 부족하다. 이 논문은 테스트에 알맞은 데이터베이스 상태의 생성과 유지에 관한 연구 결과를 보고한다. 연구의 핵심은 프로그램에서 사용하는 SQL을 로그파일에서 추출하여 분석한 결과와 데이터베이스 스키마와 테이블, 로그, 전문 등의 다양한 원천(source)에서 수집한 정보를 결합하여 프로그램의 테스트에 적합한 사전, 사후 상태를 자동으로 만들어주는 테스트 지원도구의 개발이다. 연구에서 제시한 절차와 도구는 단위 테스트와 통합 테스트의 지원과 더불어 회귀 테스트의 수행에 따르는 어려움을 극복하는데 큰 도움이 될 것이다. 실무적으로는 연구의 결과가 데이터베이스 상태의 생성과 유지에 소요되는 시간과 노력을 줄여 개발인력의 생산성을 제고하고, 다양한 케이스의 테스트와 회귀 테스트를 지원하여 대상 프로그램의 품질 향상에 기여할 것으로 기대한다. 학문적으로는 프로그램에서 사용하는 SQL의 패턴을 분석할 수 있는 상태 전이 도형과, 패턴의 표현 및 추론이 가능한 문법을 정의하여 전사적 응용 프로그램 테스트에 대한 폭 넓은 이해와 새로운 접근 방식을 가능하게 하였다.

웹 2.0 환경에서는 사용자 참여를 통한 지식 생산이 증가하고 있으며, 이러한 지식들을 효과적으로 분류하고 공유하기 위한 방법으로 태그 기반의 단일 폭소노미가 활용되고 있다. 그러나 단일 폭소노미를 구성하는 태그들은 단일 태그로 구성되어 있어 그 의미가 불명확하다. 이를 위해 태그간의 관계성이 명시된 구조화된 폭소노미를 구축하는 연구들이 진행되었다. 그러나 이러한 연구들에서도 태그의 의미를 정의하기 위해 미리 정의된 용어집을 사용하기 때문에 용어집에 없는 새로운 태그는 정의할 수 없고, 수작업으로 태그의 의미를 정의할 때 시간이 소요되는 문제점이 발생하였다. 본 연구에서는 사용자가 태그를 입력할 때 입력된 태그가 속할 수 있는 카테고리를 미리 정의된 용어집 없이 자유롭게 정의할 수 있는 카테고리형 태깅 방식을 제안하고자 한다. 또한 사용자들로부터 수집된 카테고리형 태그들을 이용하여 다수의 사용자가 생각하는 태그의 관계를 구조화된 폭소노미에 반영하는 기술을 언급하고자 한다. 끝으로 본 연구에서 제시한 방법들이 조직의 지식 분류와 검색에 활용될 수 있음을 증명하기 위해, 카테고리형 태그 기반의 지식조직체계를 시스템으로 구현하였다.

본 연구에서는 최근 온라인 소셜미디어 서비스로 각광받고 있는 트위터 상에 게재되는 메세지의 특성이 메세지의 재전달에 미치는 영향을 전달 빈도와 전달 속도 관점에서 분석함으로써 소셜네트워트 환경하에서의 정보확산 체계를 탐구하고자 하였다. 이를 위해 최근 소셜미디어 상에서 많이 언급되고 있는 정치, 연예, 스포츠, 유명인, 최신 디지털 제품과 같은 사회적 관심사를 나타내는 여덟 가지 주요 키워드(예: 무상급식, 반값등록금, 나가수, 평창, 김연아, 박태환, 아이폰, 갤럭시)을 선정하였다. 또한 트위터 메세지의 특성을 정의하기 위한 기준은 기존 문헌연구를 통해 개인의견, 하이퍼링크 포함 메세지, 하이퍼링크 및 개인의견 포함 메세지, 단순 재인용 등의 네가지 유형을 적용하였으며 이들 주요 키워드와 메세지 유형별로 트위터 트위터 메세지의 재전달 빈도와 재전달 속도를 측정하였다. 2011년 6월부터 2011년 7월까지 수집된 81,472개의 1회 이상 재전달된 트위터 메세지에 대한 분석을 통해, 재전달 트위터 메시지의 50퍼센트 이상이 특정 키워드에 대한 개인의견을 표현한 메시지임을 알 수 있었다. 아울러 표본 트위터 메세지 중 하이퍼 링크를 포함한 메세지가 가장 빠른 메세지 재전달 시간을 보이는 것을 알수 있었다. 이러한 분석결과를 바탕으로 메시지의 고유 특성이 온라인 소셜 미디어 상의 정보확산 패턴에 중요한 영향요소로 작용하고 있음을 확인 할 수 있었다. 또한 트위터와 같은 온라인 소셜 미디어는 더 이상 단순한 의사소통 도구가 아닌 다양한 사회현상에 대한 사용자의 개인적 의견을 피력하고 상호간의 심도있는 논의가 가능한 현대사회의 중요한 커뮤니케이션 플랫폼으로 발전하고 있으며 정보기술이 이러한 의사소통 혁신에 중요한 요소로 작용하고 있다는 것을 이해 할 수 있었다. 본 연구의 결과는 온라인 소셜 미디어상의 정보확산에 대한 기존의 학문적 지식을 증대키고 실무적으로 기업이 고객과 소통하는 데 있어 온라인 소셜 미디어를 어떻게 전략적으로 활용할 수 있는가에 대한 실질적인 방향을 제시할 것이라 기대된다.

인터넷 비즈니스의 활성화에 따라서 기업은 고객의 인물정보 및 거래정보를 활용하여 보다 맞춤화된 개인화 서비스를 제공하고 있다. 기존의 고객군별 예측기법은 유사한 고객들을 군집화하여 고객군별로 예측모델을 수립하는 것으로, 구매가 많고 충성도가 높은 핵심고객에게 요구되는 일대일 서비스를 제공하는 데는 한계가 있다. 반면 일대일 고객별 예측기법은 각 고객에게 고도로 맞춤화된 서비스를 제공하지만, 과거 구매이력이 많지 않은 고객 이나 신규 고객에게는 정확한 개인화 서비스를 제공하지 못한다. 본 연구는 고객의 구매빈도에 따라서 유사 고객들과의 군집화 수준을 동적으로 조정하는 새로운 지능형 개인화 시스템을 제안한다. 제안된 시스템은 과거 구매가 많은 고객들에 대해서는 일대일 예측모델을 수립하지만, 구매 빈도가 낮은 고객의 경우 다른 고객들과의 최적화된 군집화를 통해 예측모델을 수립한다. 본 기법을 Neilsen의 음료수 구매 데이터셋에 적용하여 고객의 일회 구매금액 및 구매품목을 예측한 결과, 기존 두 예측기법들에 비하여 적정한 계산비용(computational cost)으로 더욱 정확한 개안화 서비스를 제공할 수 있음을 확인하였다.

연속발생 데이터는 데이터의 원천으로부터 데이터 저장소로 연속적으로 축적이 되는 데이터를 말한다. 이렇게 축적된 데이터의 크기는 시간이 지남에 따라 점점 커진다. 또한 이러한 대용량 데이터에서 정보를 추출하기 위해서는 저장공간, 시간, 그리고 많은 자원이 필요하다. 이러한 연속발생 데이터의 특성은 시간이 지남에 따라 축적된 대용량 데이터의 이용을 어렵고 고비용이 되게 한다. 만약 정보나 패턴을 추출할 때 누적된 전체 발생 데이터 중에서 최근의 일부만 사용 한다면 적은 일부 표본의 사용의 문제로 인하여 전체 데이터 사용에서 발견될 수 있는 유용한 정보의 유실이 있을 수 있다. 이러한 문제점을 해결하기 위해서 본 연구는 연속발생 데이터를 발생 시점에서 계속 모으기 보다 이러한 발생되는 데이터에서 규칙을 추출하여 효율적으로 지식을 관리하고자 한다. 이 방법은 기존의 방법에 비하여 적은 양의 데이터 저장공간을 필요로 한다. 또한 이렇게 축적된 규칙집합은 미래에 예측을 위해서 언제든 실시간 예측을 할 수 있게 준비가 된다. 여러 예측 모델을 결합시키는 방법인 앙상블 이론에 의하면 본 연구가 제시하는 데로 체계적으로 규칙집합을 시간에 따라 융합시킬 경우 더 나은 예측 성과가 가능하다. 본 연구는 주식시장의 변동성을 예측하기 위하여 주식시장 데이터를 사용하였다. 본 연구는 이 데이터를 이용해 본 연구가 제시하는 방법과 기존의 방법의 예측 정확도를 비교 하였다.

최근 페이스북, 트위터 등 다양한 소셜 네트워크 서비스(SNS)가 등장하였으며, 많은 사용자들이 SNS를 이용하고 있다. 이러한 사용자의 증가로 인해 많은 조직들은 SNS에 관심을 가지게 되었다. 조직에서 SNS의 사용은 다양한 이점을 지니고 있다. SNS를 통해 조직들은 사용자들의 행위에 신속하고 지속적으로 반응할 수 있고, 다양한 특성을 지닌 사용자에게 쉽게 접근할 수 있으며, 타 매체에 비하여 사용자 특성이 반영된 차별화된 전략을 세울 수 있다. 또한 기업들은 SNS를 통해 상대적으로 저렴한 비용으로 활용이 가능하며, 사용자들과 양방향 소통이 가능하여 친근성과 신뢰성이 있는 관계 구축이 용이하다. 그러나 네트워크의 특성에 따라 SNS의 정보전달의 효과가 다르게 나타남에도 불구하고 조직들은 네트워크의 특성을 고려하지 않고 획일화된 방법으로 SNS를 활용하여 사용자들과 커뮤니케이션하고 있다. 따라서 본 연구에서는 네트워크에 따른 SNS의 정보전달의 효과 차이를 분석하였다. 즉 오프라인에서의 커뮤니케이션 기반으로 형성된 네트워크와 무작위로 형성된 네트워크를 생성하여, 각각의 네트워크들의 특징 차이를 분석하기 위하여 소셜 네트워크 분석을 하였다. 또한, 각각의 네트워크에서 SNS를 이용한 정보 전달 효과의 차이가 있는지 실증적으로 검증하였다. 실증 분석후 네트워크의 특성에 따라 네트워크 내 사용자들은 SNS를 받아들이는 반응이 달랐다. 따라서 조직이 효과적인 마케팅 수단으로 소셜 네트워크를 활용하기 위해서는 그 목적에 따라 네트워크의 특성을 고려하여 적절한 네트워크 형태를 구성해야 함을 도출하였다.

본 논문에서는 RFID 기반의 전자 팔찌를 이용한 전자 출석부 및 어린이 보호팔찌 시스템을 제안한다. 제안된 시스템에서는 임베디드시스템 기반의 RFID 기술을 응용한 전자 출석부가 필요하며, 위치 추적과 동시에 범인의 전자 팔찌와 반응할 수 있는 GPS 시스템이 있어야 한다. 또한 이동 통신 모듈을 이용한 RFID 전자 팔찌와 임베디드시스템 기반의 RFID 출입 통제 시스템이 필요하며 상황정보를 전송 받을 수 있는 스마트폰 등의 모바일 시스템이 있어야 한다. 이렇게 동시에 연동될 수 있는 장비와 시스템들을 융합하여 사용한다면 아이들이 안전하게 유치원이나 학교를 다닐 수 있을 것이다. 본 논문의 구성은 RFID 리더기와 임베디드시스템 기반의 전자 출석부(고정용 리더기) 및 출입 통제 시스템, RFID 태그와 리더기, GPS 및 이동 통신 모듈(CELL 방식)를 활용한 추적 시스템을 가진 전자 팔찌로 이루어져 있다.

최근 인터넷 사용의 증가에 따라 네트워크에 연결된 시스템에 대한 악의적인 해킹과 침입이 빈번하게 발생하고 있으며, 각종 시스템을 운영하는 정부기관, 관공서, 기업 등에서는 이러한 해킹 및 침입에 의해 치명적인 타격을 입을 수 있는 상황에 놓여 있다. 이에 따라 인가되지 않았거나 비정상적인 활동들을 탐지, 식별하여 적절하게 대응하는 침입탐지 시스템에 대한 관심과 수요가 높아지고 있으며, 침입탐지 시스템의 예측성능을 개선하려는 연구 또한 활발하게 이루어지고 있다. 본 연구 역시 침입탐지 시스템의 예측성능을 개선하기 위한 새로운 지능형 침입탐지모형을 제안한다. 본 연구의 제안모형은 비교적 높은 예측력을 나타내면서 동시에 일반화 능력이 우수한 것으로 알려진 Support Vector Machine(SVM)을 기반으로, 비대칭 오류비용을 고려한 분류기준값 최적화를 함께 반영하여 침입을 효과적으로 차단할 수 있도록 설계되었다. 제안모형의 우수성을 확인하기 위해, 기존 기법인 로지스틱 회귀분석, 의사결정나무, 인공신경망과의 결과를 비교하였으며 그 결과 제안하는 SVM 모형이 다른 기법에 비해 상대적으로 우수한 성과를 보임을 확인할 수 있었다.

국가신성장동력으로MICE(Meeting, Incentive travel, Convention, Exhibition) 산업이각광받으면서국내전시산업에 대한 관심이 드높아 지고 있다. 이에 따라 국내 전시산업(domestic exhibition industry)도 미국이나 유럽과 같이 전시성과를 향상시키기 위한 다양한 연구가 진행 중이다. 그 중에서도 전시환경이나 전시기법 등에 따라 관람효과가 다르기 때문에 지능형 정보기술을 이용하여 전시장에 방문한 참관객의 참관패턴을 분석하여 참관객을 이해하고 더 나아가 참여업체 간의 연관관계 도출 및 전시회의 성과를 높이고자 하는 연구들이 진행되고 있다. 그런데, 이러한 기존의 부스추천시스템과 관련된 연구를 살펴보면 시스템적인 관점에서 추천의 정확성만을 논하고 있을 뿐 추천을 통한 참관객의 행동이나 인식의 변화에 대해서는 충분히 논의하고 있지 못하다. 부스추천시스템(Booth Recommendation System)은 참관객의 부스방문 정보를 바탕으로 참관객에게 적절한 부스를 추천하기 때문에 참관객은 사전에 계획하지 않은 전시장을 방문하게 될 수 있다. 이 때 참관객은 계획하지 않은 방문행동을 통해서 만족할 수도 있지만 추천과 정이 번거롭다거나 자유롭게 참관을 하는데 방해가 된다고 생각할 수 있다. 이 경우 참관객의 자유로운 관람보다 오히려 더 좋지 않은 성과를 낼 수 있다. 따라서 부스 추천시스템을 전시장에 적용하기 위해서는 시스템의 성과에 미치는 영향요인이 무엇인지 전반적으로 검토하고, 부스추천시스템이 참관객의 계획되지 않은 방문행동에 미치는 영향에 대해 면밀히 검토해야 한다. 이에 본 연구에서는 부스추천시스템의 성과에 영향을 미치는 요인이 무엇인지 이론과 기존문헌을 통해 살펴보고자 하였다. 또한, 참관객의 지각된 부스추천시스템의 성과가 참관객의 계획되지 않은 행동에 대한 만족도와 부스추천시스템의 재사용의도에 어떤 영향을 미치는지 살펴보고자 하였다. 이러한 연구목적을 달성하기 위한 이론적 프레임워크로 본 연구는 계획되지 않은 행동이론(Unplanned Behavior Theory)을 도입하였다. 계획되지 않은 행동(unplanned behavior)이란 "소비자들이 사전에 계획하지 되지 않은 채 실행된 어떤 행동"으로 정의할 수 있다. 소비자들의 계획되지 않은 행동은 그 동안 마케팅 등 다양한 분야에서 연구되어 왔다. 특히, 마케팅에서는 계획되지 않은 행동 중 계획되지 않은 구매(unplanned purchasing)에 많은 관심을 두어 왔는데 이 개념은 종종 충동적 구매(impulsive purchasing)와 혼동되어 사용되곤 하였다. 그런데, 충동적 구매가 갑자기 무엇인가 구매를 해야하는 강하고 지속적인 충동(urge)이라고 본다면 계획되지 않은 구매는 구매의사결정의 시점이 상점에 들어가기 전이 아닌 상점 내에서 수행된다는 점이 다르다. 즉, 모든 충동적 구매는 비계획적이나, 모든 계획되지 않은 구매가 충동적인 구매는 아니다. 그런데, 왜 소비자들은 계획되지 않은 행동을 하는가? 이에 대해서는 학자들에 따라 여러 가지 의견이 있으나 소비자가 사전에 철저한 계획을 수립하지 않고 따라서 중간에 계획을 변화시킬만한 유연성(flexibility)이 있기 때문이라는 점에 일관된 의견을 보인다. 즉, 계획되지 않은 행동을 하는데 많은 비용이 소요된다면 소비자들은 사전에 수립한 계획을 변경하기 어렵게 될 것이기 때문이다. 본 연구에서 살펴보고자 하는 전시장 역시 참관객들은 방문하기 전에 전시장이 어떤 프로그램으로 구성되어 있는지 살펴보고, 어떤 부스를 방문할지를 사전에 계획하게 된다. 그 이유는 참관객들이 전시장 방문에 투입할 수 있는 시간은 한정되어 있는 반면에 전시회는 대규모의 다양한 부스로 운영되기 때문에 참관객들이 모든 부스를 참관한다는 것이 현실적으로 불가능하기 때문이다. 따라서 본 연구에서 제시하는 부스추천시스템이 참관객이 선호할 만한 부스를 추천하게 되면 참관객은 자신의 계획을 변화시켜서 부스추천시스템이 추천한 부스를 방문하게 된다. 이러한 방문행동은 소비자가 상점을 방문하거나, 관광객이 관광지에서 계획하지 않은 행동을 하는 것과 유사한 측면에서 이해가 가능하며 특히 최근 여행소비자들이 정보기기의 영향으로 계획되지 않은 행동을 하는 경우가 부쩍 증가한 추세와 동일한 맥락에서 이해가 가능하다. 이에 다음과 같은 연구모형을 설정하였다. 이 연구모형은 참관객이 지각한 부스추천시스템의 성과(performance)를 매개변수로 하고 있는데 이 성과에 영향을 미치는 요인으로 부스추천시스템에 대한 신뢰(trust), 전시장 참관객의 지식수준 (knowledge level), 부스 추천시스템의 기대된 개인화 (expected personalization) 그리고 부스추천시스템의 자유위협(threat to freedom)을 영향요인으로 파악하였다. 또한, 지각된 부스추천시스템 성과와 계획되지 않은 행동에 대한 참관객의 만족도와 향후 부스추천시스템의 재사용의도간의 인과관계도 파악하고자 하였다. 이 때 부스추천시스템에대한신뢰는권한(competence), 자선(benevolence), 그리고진실(integrity)의2차요인(2nd order factor)으로구성하고, 나머지 요인들은 1차 요인으로 구성하였다. 이를 검증하기 위해 2011 DMC Culture Open 행사에서 부스추천시스템을 테스트하기 위하여 시스템을 개발하고, 101명의 참관객을 대상으로 실증조사를 하여 분석하였다. 분석결과 첫째, 부스추천시스템에 있어서 참관객의 신뢰가 가장 중요한 요소이며 실제 해당 부스추천시스템을 이용한 참관객들은 신뢰를 통해 부스추천시스템이 성과 있다고 인식하였다. 둘째, 참관객의 지식수준 역시 부스추천시스템의 성과에 유의한 영향을 미쳤는데 이는 추천의 성과가 전시장에 대한 사전적 이해가 필요함을 의미한다. 즉, 전시장에 대한 이해가 높은 참관객이 부스추천시스템의 유용성을 더 잘 파악하는 것으로 나타났다. 셋째, 기대된 개인화 수준은 성과에 유의한 영향을 미치지 못했는데 이는 기존 연구와 다른 결과로 본 연구에 사용된 부스추천시스템이 충분히 개인화 서비스를 제공하지 못했기 때문이라고 판단된다. 넷째, 부스추천시스템의 추천정보는 개인의 자유를 위협하거나 제한한다고 느끼지 않음으로 충분히 유용한 가치를 갖는다고 할 수 있다. 끝으로 부스정보시스템의 높은 성과는 참관객들의 계획되지 않은 행동에 대한 높은 만족도와 향후에도 부스추천시스템을 재사용할 의도를 만드는 것으로 나타났다. 이와 같이 본 연구는 부스추천시스템이 야기하는 참관객의 계획되지 않은 부스방문행동에 미치는 영향력을 분석하기 위해 계획되지 않은 행동이론을 중심으로 실증자료를 이용하여 분석하고, 이를 통해 향후 부스추천시스템의 구축 및 설계에 유용한 시사점을 도출할 수 있었다. 향후에는 보다 정교한 설문구성과 측정대상을 이용하여 추가적인 검토가 필요할 것으로 기대된다.

스마트폰의 대중화와 함께 모바일 메신저 서비스는 모바일 시장의 중요한 키워드로 부상하고 있다. 갈수록 경쟁이 심화되고 있는 모바일 메신저 시장에서 고객 충성도 제고는 기업 비즈니스 생존을 위한 열쇠이자, 기업 마케팅 전략의 목표 일 것이다. 이에 본 연구는 모바일 메신저 서비스 수용 후 발생되는 지각된 고객가치, 사용-확산 그리고 충성도 간에 어떠한 영향을 미치는지를 알아보고, 연구 결과를 통해 모바일 메신저 서비스 고객 확보 및 충성도 제고를 위한 시사점을 제공하고자 하는 것이 연구의 주목적이라 할 수 있다. 연구결과, 지각된 가치는 서비스 사용량에 영향을 미친다는 결과가 나타났다. 또한 사용량은 지속적 사용의도와 타인 추천의도에 영향을 미치며, 사용 다양성은 타인 추천의도에 영향을 미치는 것으로 나타났다. 한편, 지각된 가치는 지속적 사용의도와 타인 추천의도에 영향을 미치며, 브랜드 전환의도의 경우 사회적 가치 요인만이 브랜드 전환의도에 영향을 미치는 것으로 나타났다. 연구결과에 따른 시사점으로 서비스 제공자는 모바일 메신저 서비스 사용을 확산시키고 지속적인 사용을 촉진하기 위하여 첫째, 사용자들의 서비스 사용과 연결된 지각된 가치에 대한 인식을 고취 시킬 필요가 있으며, 둘째, 서비스의 충성도에 영향을 미치는 사용-확산 패턴이 다름을 인식하고, 충성도를 제고 할 수 있는 사용자의 사용-확산 전략을 수립 할 필요성이 있다. 마지막으로, 사용자가 경쟁적인 대안에서 충족시킬 수 있는 고객가치 요인이 무엇인지 분석하여 고객 충성도를 높이고 관계를 지속해나갈 수 있는 방법을 모색해야 할 것이다.

글로벌 공급사슬 환경에서 글로벌하게 분산 조달, 생산, 유통하게 됨에 따라 전체 공급사슬의 스케줄을 최적화하기 위해서 공급사슬상의 개별 기업 혹은 공장의 스케줄링 최적화뿐만 아니라 각 개별 기업 혹은 공장의 스케줄을 긴밀하게 연계하는 것이 필요하게 되었다. 이는 경쟁과 협력을 동시에 하는 개별 기업 혹은 공장을 개별 에이전트로 보고 각 에이전트간 커뮤니케이션을 통해 개별 에이전트가 관할하는 스케줄러의 스케줄을 조정함으로써 가능해진다. 하지만 전통적인 스케줄링 연구는 개별 스케줄러의 최적화에 집중되어 있고, 에이전트 연구는 스케줄링 도메인에 적용한 예가 제한적이며 이 예도 개별 스케줄러 내의 최적화에 적용하거나 실제 현장 문제가 아닌 실험실 문제 수준에 그치고 있다. 따라서 본 연구에서는 전체 글로벌 공급사슬 스케줄의 최적화를 위해 개별 기업 혹은 공장 스케줄러의 스케줄링을 연계하는 경쟁협력 스케줄링을 위한 에이전트 기반 플랫폼을 구축하였다. 글로벌 공급사슬에서 경쟁협력 스케줄링을 위한 에이전트 기반 플랫폼을 구축하기 위해 첫째, 경쟁협력 스케줄링 분류 체계를 확립하고, 둘째, 경쟁협력 스케줄링을 위한 에이전트를 설계하고, 셋째, 경쟁협력 스케줄링을 위한 지식기반 의사결정 모델을 개발한 후, 넷째 조선산업에 적용 가능한 프로토타입 시스템을 개발했다. 이를 통해 글로벌 공급사슬상의 전체 스케줄의 품질과 에이전트간 커뮤니케이션의 노력에 대한 균형점을 찾을 수 있다. 이를 통해 공급사슬내 개별 기업 혹은 공장의 부분 최적화를 극복할 수 있는 대안을 제시할 것으로 기대한다.

특허의 중요성이 커짐에 따라 특허분석의 중요성 또한 점점 커지고 있다. 특허분석은 네트워크 기반 방법과 키워드 기반 방법으로 나눠지는데 네트워크 기반은 특허 내부에 존재하는 세부 기술정보에 대한 분석이 불가능하다는 단점이 있고 키워드 기반은 기술정보간의 상호관계를 규명하지 못한다는 단점이 있다. 기존에 제시된 네트워크 기반 특허 분석과 키워드 기반 분석의 한계를 극복하기 위해서 두 방법을 혼합한 방법으로서 본 연구에서는 특허 키워드 네트워크 기반 분석 방법론을 제시하였다. 본 연구에서는 LED 분야의 특허들을 대상으로 텍스트 마이닝을 통해 중요한 기술정보를 추출한 다음, 키워드 네트워크를 구축하고, 이를 대상으로 커뮤니티 네트워크 분석을 수행하였다. 분석 결과는 다음과 같다. 첫째, 특허 키워드 네트워크는 매우 낮은 밀도와 매우 높은 클러스터링 지수를 나타내었다. 밀도가 높다는 것은 LED 분야내 특허 키워드 네트워크 내 노드(키워드)들이 산발적으로 연결되어 있다는 것을 의미하며, 클러스터링 지수가 높다는 것은 해당 키워드 네트워크 내 노드, 즉 키워드들이 각각의 커뮤니티로 매우 긴밀하게 연결되어 있음을 나타낸다. 둘째, 특허 키워드 네트워크도 다른 지식네트워크와 마찬가지로 명확한 멱함수 분포를 따른다는 사실을 알 수 있었다. 이는 기존에 활발히 연구, 활용되어 많은 연결고리를 갖고 있는 특허개념(키워드)수록 지속적으로 다른 연구자들에 의해 선택되고 이 키워드를 바탕으로 새로운 키워드들이 연결되어서 이들 키워드간의 조합으로 새로운 기술이 발명된다는 것이다. 셋째, 특허가 개발될 때 특정 분야에 유입된 키워드 중 새로운 링크가 생긴 키워드의 대부분이 기존에 연결되어 있던 커뮤니티 내의 키워드들과 결합되어 새로운 특허 개념을 구성한다는 사실을 발견하였다. 이러한 사실은 단기(4년) 장기(10년) 두 기간 모두 동일하게 나타났다. 나아가 본 연구에서 제시한 방법론을 통해 도출된 특허 키워드 조합 정보를 활용하면 미래에 어떤 개념들이 합쳐져서 새로운 특허 단위로 만들어 질지 가늠해볼 수 있고, 새로운 특허를 개발할 때 참고할 수 있는 유용한 정보로 활용할 수 있다.

Support vector machines(SVM)은 비교적 최근에 등장한 데이터마이닝 기법이지만, 재무, CRM 등의 경영학 분야에서 많이 연구되고 있다. SVM은 인공신경망과 필적할 만큼의 예측 정확도를 보이는 사례가 많았지만, 암상자로 불리는 인공신경망 모형에 비해 구축된 예측모형의 구조를 이해하기 쉽고, 인공신경망에 비해 과도적합의 가능성이 적어서 적은 수의 데이터에서도 적용 가능하다는 장점을 가지고 있다. 하지만, 일반적인 SVM을 이용하려면, 인공신경망과 마찬가지로 여러 가지 설계요소들을 설계자가 선택하여야 하기 때문에 임의성이 높고, 국부 최적해에 수렴할 가능성도 크다. 또한, 많은 수의 데이터가 존재하는 경우에는 데이터를 분석하고 이용하는데 시간이 소요되고, 종종 잡음이 심한 데이터가 포함된 경우에는 기대하는 수준의 예측성과를 얻지 못할 가능성이 있다. 본 연구에서는 일반적인 SVM의 장점을 그대로 유지하면서, 전술한 두 가지 단점을 보완한 새로운 SVM 모형을 제안한다. 본 연구에서 제안하는 모형은 사례선택기법을 일반적인 SVM에 융합한 것으로 대용량의 데이터에서 예측에 불필요한 데이터를 선별적으로 제거하여 예측의 정확도와 속도를 제고할 수 있는 방법이다. 본 연구에서는 잡음이 많고 예측이 어려운 것으로 알려진 재무 데이터를 활용하여 제안 모형의 유용성을 확인하였다.

PSS(Product Service System) 시스템은 제품과 서비스가 하나로 통합되어 고객에게 차별화된 가치를 제공하고, 기업이 경쟁력을 가지고 지속적인 성장을 할 수 있게 지원하는 시스템이다. 본 논문에서는 PSS 시스템으로 성공한 Amazon의 Kindle과 Apple의 iPod, 실패한 Microsoft의 Zune과 Sony의 e-book reader를 채택하여 중다 사례연구 방법론을 통해 성공요인과 실패요인을 도출하고자 한다. 이를 위하여, 사례 분석을 통해 가설을 도출하고, 연관 문헌연구와의 비교 및 분석을 통하여 PSS 시스템에서 상업적으로 성공하기 위한 전략적 시사점을 제시하였다.

영화는 스토리를 전달하는 대표적인 매체 중의 하나이며 영화 속 스토리는 인물, 사건, 배경의 유기적인 연결을 통해 진행된다. 소설과 같이 스토리를 지닌 다른 매체와 마찬가지로 영화 역시 서사 구조를 갖고 있다. 즉 등장인물 간의 갈등과 해결이 인과 관계에 따라 전개된다. 영화의 서사구조는 아리스토텔레스의 3막 구조를 가지며 6단계로 세분화 될 수 있다. 전통적인 3막 구조는 발단부, 중반부, 결말부로 구성된다. 발단부는 영화에 등장하는 인물이나 배경을 소개하고 사건의 실마리와 갈등을 암시하는 장치들을 제시한다. 중반부는 내외적인 요인들에 의해 사건이 발전하고 갈등과 긴장을 고조시키는 부분이다. 결말부에서는 사건이 해결되면서 스토리의 주제 및 작가의 메시지가 전달된다. 특히 발단부는 스토리 진행을 위해 등장인물의 성격을 설정하고 배경을 지시하는 등의 다양한 정보가 노출되는 부분이기 때문에 영화의 축약이나 등장인물들의 중요한 정보를 추출할 수 있는 중요한 부분이다. 따라서 영화의 스토리를 추출할 경우 서사구조에 따라 가중치를 다르게 부여할 필요가 있다. 본 논문에서는 등장인물 수를 누적한 그래프를 이용하여 발단부와 중반부의 경계를 추출하는 방법을 제시한다. 발단부에서는 주요 등장인물이 소개되고 이들 간의 갈등이 암시되거나 사건의 실마리가 제시된다. 따라서 주요 등장인물의 등장이 마무리되는 장면에서 일정 장면이 진행된 이후의 장면이 발단부와 중반부의 경계가 된다. 주요 등장인물은 주인공과 적대자, 그리고 주인공과 적대자를 보조해 주는 각각의 보조자(조연)로 구성되기 때문에 등장인물 수 누적 그래프에서 주요 등장인물의 등장이 마무리되는 장면을 찾기 위해서는 단역을 제거하여야 한다. 또한 주요 등장인물이 더 이상 등장하지 않는 변곡점을 찾는 방법이 필요하다. 이를 위해 본 논문에서는 단역이 제거된 등장인물 수 누적 그래프를 그린 후 변곡점을 찾는 방법을 제안한다. 실제 발단부와 중반부의 경계는 주요 등장인물의 출현이 마무리 된 후 갈등과 사건의 실마리가 암시되는 추가적인 장면이 진행된 후에 나타난다. 따라서 다수의 영화를 통해 추가적인 장면의 개수를 설정하는 실험을 진행할 것이다.

본 연구는 NFC(Near Field Communication) 기술 기반의 세렌디피티 시스템의 설계와 구현을 목적으로 한다. NFC 기능이 탑재된 스마트폰은 계속 출시되고 있다. NFC 스마트폰의 보급으로 많은 장소에 NFC 태그가 설치되고 사용자들은 이를 터치하여 정보와 서비스를 제공받을 것으로 예상이 된다. 이러한 NFC가 활용되는 환경에서 사용자들이 어떤 NFC 태그를 터치할 때, 의외의 가치가 있는 발견을 하게 하는 세렌디피티(Serendipity) 서비스가 매우 핵심적인 생활 서비스로 등장할 가능성이 있다. 이에 본 연구는 태그 터치 데이터베이스, 세렌디피티 사례 베이스 데이터베이스, 세렌디피티 Rule 패턴 데이터베이스, 사용자 프로파일 데이터베이스를 활용하여, 사용자가 NFC 태그를 터치하면 사용자가 흥미, 유용성, 새로움을 느낄만한 거래 정보, 컨텐트, 서비스를 부가적으로 제공하는 신개념 서비스인 세렌디피티 서비스를 설계하고 이를 위한 발생 가능한 시나리오와 시스템을 설계한다.

협업필터링은 다양한 분야에서 널리 활용되고 있지만 협업필터링의 추천 성능은 적용하는 기업의 비즈니스 형태나 발생하는 거래 데이터의 특성에 따라 다르게 나타나고 있다. 기업에서 협업필터링 추천시스템을 구축하려면 상당한 시간과 비용이 소요되기 때문에 구축된 추천시스템의 성과가 높지 않다면 기업 자원의 낭비를 초래할 뿐만 아니라 부정확한 추천서비스를 받는 고객들의 불만을 살 수 있다. 따라서 추천시스템 도입을 검토할 때 기업이 갖고 있는 데이터의 특성을 파악하고 이를 통해 추천시스템을 도입하는 것이 타당한지 사전에 예측할 수 있다면 불필요한 도입으로 인한 경제적 손실과 고객 만족도 저하를 막을 수 있을 것이다. 기존 연구에서는 협업필터링 추천 성과에 희박성, 우연성, 커버리지 등이 영향을 미칠 수 있다고 설명하고 있지만 이러한 요인들이 어떻게 얼마나 추천 성과에 영향을 미치는지, 요인들 간에 어떠한 상관관계가 있는지는 현재까지 구체적으로 밝혀진 바가 없다. 본 연구에서는 구매 트랜잭션으로부터 생성된 소셜네트워크로부터 밀도, 군집화계수, 집중도 등의 구조적 지표를 측정한 후 이들이 추천성과에 어떻게 영향을 미치는지 통계적 분석을 통해 실증적으로 규명한다. 이를 통해 협업필터링 추천시스템에 대한 도입 여부를 결정하고자 할 때 유용하게 사용될 수 있는 지침을 제공하고자 한다.